记录自己OCR的一点小笔记，慢慢摸索中

概念的一些积累：

Sobel梯度算法：

gx(x, y) = f(x + 1, y − 1) + 2f(x + 1, y) + f(x + 1, y + 1)
−f(x − 1, y − 1) − 2f(x − 1, y) − f(x − 1, y + 1),
gy(x, y) = f(x − 1, y + 1) + 2f(x, y + 1) + f(x + 1, y + 1)
−f(x − 1, y − 1) − 2f(x, y − 1) − f(x + 1, y − 1).

 

A(i,j): 表示点（i,j）上的灰度值或者RGB值
在竖轴上的一阶导数为A(i, j)-A(i, j-1)
在竖轴上的二阶导数为(A(i,j+1)+A(i,j-1)-2A(i,j))/2
为了保证连续性，求完导数后再对上下点做下加权[1,2,1]

对行，列上的梯度进行累加，可以查找空白区域以及其他一些有意义的事情。

梯度算法计算二值化
连通域 

Threshold Otsu

---

 

图像透视变换，9*9矩阵

A₁₁, A₁₂, A₁₃     x      x'

A₂₁, A₂₂, A₂₃ *  y   = y'

A₃₁, A₃₂, A₃₃     1      1

逆矩阵。

 

 

2. fast-rcnn文本行识别